| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 故障诊断方法研究现状 | 第9-12页 |
| 1.3 本文的研究内容 | 第12-15页 |
| 2 电力电子电路故障建模及信号提取与分析 | 第15-26页 |
| 2.1 双桥12相脉波整流电路的各种故障仿真与分析 | 第15-20页 |
| 2.1.1 电力电子电路的故障类型及编码 | 第16-18页 |
| 2.1.2 故障类型分析 | 第18-20页 |
| 2.2 主元分析简介 | 第20-24页 |
| 2.2.1 主元分析原理 | 第20-22页 |
| 2.2.2 奇异值分解求解主元 | 第22-23页 |
| 2.2.3 主元数的确定 | 第23-24页 |
| 2.3 基于主元分析的故障信息提取 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 基于改进多种群遗传算法优化神经网络的故障诊断方法 | 第26-42页 |
| 3.1 神经网络的基本原理 | 第26-29页 |
| 3.1.1 神经元模型 | 第26-27页 |
| 3.1.2 神经网络的学习规则 | 第27-28页 |
| 3.1.3 BP神经网络 | 第28-29页 |
| 3.1.4 BP网络用于故障诊断的设计步骤 | 第29页 |
| 3.2 遗传算法的改进 | 第29-36页 |
| 3.2.1 遗传算法简介 | 第29-30页 |
| 3.2.2 遗传算法中各参数设置对算法的收敛性分析 | 第30-33页 |
| 3.2.3 遗传算法的改进 | 第33-36页 |
| 3.3 改进MPGA优化BP网络用于12相脉波整流电路的故障诊断 | 第36-41页 |
| 3.3.1 改进遗传算法优化BP网络 | 第36-38页 |
| 3.3.2 算例分析 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 4 基于改进鱼群算法优化支持向量机的故障诊断方法 | 第42-62页 |
| 4.1 支持向量机的基本理论和原理 | 第42-48页 |
| 4.1.1 最优分类超平面 | 第42-44页 |
| 4.1.2 广义最优分类超平面 | 第44页 |
| 4.1.3 支持向量机 | 第44-46页 |
| 4.1.4 支持向量机在多故障分类算法中的应用 | 第46-48页 |
| 4.2 人工鱼群算法的基本理论 | 第48-52页 |
| 4.2.1 鱼群算法的提出 | 第48-49页 |
| 4.2.2 人工鱼的模式结构及基本行为描述 | 第49-52页 |
| 4.3 人工鱼群算法的改进 | 第52-57页 |
| 4.3.1 鱼群算法中各参数对算法的收敛性分析 | 第52-54页 |
| 4.3.2 鱼群算法中各鱼群行为对算法的收敛性分析 | 第54页 |
| 4.3.3 鱼群算法的改进 | 第54-56页 |
| 4.3.4 改进后鱼群算法的优点 | 第56-57页 |
| 4.4 改进鱼群算法优化SVM用于12相脉波整流电路的故障诊断 | 第57-60页 |
| 4.4.1 改进鱼群算法优化支持向量机 | 第57-59页 |
| 4.4.2 算例分析 | 第59-60页 |
| 4.5 本章小结 | 第60-62页 |
| 5 总结与展望 | 第62-65页 |
| 5.1 总结 | 第62-63页 |
| 5.2 展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第69-70页 |
| 致谢 | 第70-71页 |
